计量经济学上机实验报告.docx

计量经济学上机实验报告.docx

《计量经济学上机实验报告.docx》由会员分享，可在线阅读，更多相关《计量经济学上机实验报告.docx（26页珍藏版）》请在冰点文库上搜索。

计量经济学上机实验报告

计量经济学上机实验报告

一、实验目的、意义和内容：

实验目的：

认识Eviews及掌握Eviews操作方法，运用Eviews软件处理数据，对数据进行简单线性回归分析、制作多元线性回归模型，进行识别与解决多重共线性和异方差等案例分析。

实验意义：

掌握了Eviews软件的基本操作，并能利用该软件进行模型的相关分析和制作，从技术的角度加深了对计量经济学的认识，促进了该学科的学习和运用。

实验内容：

Eviews软件介绍及基本操作。

简单现行回归模型和多元现行回归模型。

多重共线性的识别及解决。

异方差的识别及解决。

二、课后作业题

第三章：

3.3

DependentVariable:

Y

Method:

LeastSquares

Date:

12/07/13Time:

14:

23

Sample:

118

Includedobservations:

18

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-50.01638

49.46026

-1.011244

0.3279

X

0.086450

0.029363

2.944186

0.0101

T

52.37031

5.202167

10.06702

0.0000

R-squared

0.951235

    Meandependentvar

755.1222

AdjustedR-squared

0.944732

    S.D.dependentvar

258.7206

S.E.ofregression

60.82273

    Akaikeinfocriterion

11.20482

Sumsquaredresid

55491.07

    Schwarzcriterion

11.35321

Loglikelihood

-97.84334

    Hannan-Quinncriter.

11.22528

F-statistic

146.2974

    Durbin-Watsonstat

2.605783

Prob（F-statistic）

0.000000

（1）建立家庭数看消费的计量经济模型：

其中：

y为家庭书刊年消费支出、x为家庭月平均收入、T为户主受教育年数

（2）模型估计如上图

（3）检验户主受教育年数对家庭书刊消费是否有显著影响:

由估计检验结果,户主受教育年数参数对应的t统计量为10.06702,明显大于t的临界值，同时户主受教育年数参数所对应的P值为0.0000，明显小于，可判断户主受教育年数对家庭书刊消费支出确实有显著影响。

（4）本模型说明家庭月平均收入和户主受教育年数对家庭书刊消费支出有显著影响，家庭月平均收入增加1元，家庭书刊年消费支出将增加0.086元，户主受教育年数增加1年，家庭书刊年消费支出将增加52.37元。

3.4

（1）模型估计如上图

结果显示，失业率和预期通胀率对世纪通货膨胀率影响显著。

且失业率每上升一个百分点，实际通胀率下降1.393115，预期通胀率每上升一个百分点，实际通胀率上升1.480676个点。

（2）统计检验如上图

（3）可决系数为0.847311

3.5

结果显示，该地区人均年可支配收入的参数的t检验值为10.54786，其绝对值大于临界值；而且对应的P值为0.0000，也明显小于。

说明人均年可支配收入对该地区城镇居民人均全年耐用消费品支出确实有显著影响。

但是，该地区耐用消费品价格指数的参数的t检验值为-0.921316，其绝对值小于临界值；而且对应的P值为0.3838，也明显大于。

这说明该地区耐用消费品价格指数对城镇居民人均全年耐用消费品支出并没有显著影响。

3.6

DependentVariable:

Y

Method:

LeastSquares

Date:

11/21/13Time:

14:

22

Sample:

19601982

Includedobservations:

23

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

28.25506

1.421488

19.87709

0.0000

X1

0.980849

0.019454

50.41900

0.0000

X2

-0.258426

0.015282

-16.91031

0.0000

R-squared

0.993890

    Meandependentvar

84.34348

AdjustedR-squared

0.993279

    S.D.dependentvar

17.50999

S.E.ofregression

1.435479

    Akaikeinfocriterion

3.681982

Sumsquaredresid

41.21199

    Schwarzcriterion

3.830090

Loglikelihood

-39.34279

    F-statistic

1626.707

Durbin-Watsonstat

0.977840

    Prob（F-statistic）

0.000000

3.7

（1）预期符号：

正、正、负、负、负。

（2）不符，x4、x5的符号与预期相反

（3）几个变量的t检验统计量大于0.05，说明影响不显著或模型估计错误。

第四章

4.3

（1）模型参数

（2）居民消费价格指数的回归系数的符号不能进行合理的经济意义解释，且CPI与进口之间的简单相关系数呈现正向变动。

可能数据中有多重共线性。

4.6

（1）建立对数线性多元回归模型，引入全部变量建立对数线性多元回归模型如下:

 生成:

 lny=log（y）, 同样方法生成:

 lnx1,lnx2,lnx3,lnx4,lnx5,lnx6,lnx7.

（2）从修正的可决系数和F统计量可以看出，全部变量对数线性多元回归整体对样本拟合很好，各变量联合起来对能源消费影响显著。

可是其中的lnX3、lnX4、lnX6对lnY影响不显著,而且lnX2、lnX5的参数为负值，在经济意义上不合理。

所以这样的回归结果并不理想。

预料此回归模型会遇到多重共线性问题, 因为国民总收入与GDP本来就是一对关联指标；而工业增加值、建筑业增加值、交通运输邮电业增加值则是GDP的组成部分。

这两组指标必定存在高度相关。

（3）解释变量国民总收入（亿元）X1（代表收入水平）、国内生产总值（亿元）X2（代表经济发展水平）、工业增加值（亿元）X3、建筑业增加值（亿元）X4、交通运输邮电业增加值（亿元）X5（代表产业发展水平及产业结构）、人均生活电力消费 （千瓦小时）X6（代表人民生活水平提高）、能源加工转换效率（%）X7（代表能源转换技术）等很可能线性相关,计算相关系数如下:

可以看出lnx1与lnx2、lnx3、lnx4、lnx5、lnx6之间高度相关，许多相关系数高于0.900以上。

如果决定用表中全部变量作为解释变量，很可能会出现严重多重共线性问题。

（3）因为存在多重共线性，解决方法如下：

采用逐步回归法，分别作lnY对lnx1lnx2、lnx3、lnx4、lnx5、lnx6、lnx7的一元回归，结果如下:

一元回归结果：

其中加入lnX6的方程调整的可决系数最大, 以lnX6为基础, 顺次加入其他变量逐步回归。

结果如下表:

经比较，新加入lnX5的方程调整可决系数改进最大, 各参数的t检验也都显著，但是lnX5参数的符号与经济意义不符合。

若再加入其他变量后的逐步回归,若剔除不显著的变量和无经济意义的变量后, 仍为第一步所建只包含lnX6的一元回归模型。

4.7

由此可见，该模型R^2可决系数很高，F检验值366.6799,明显显著。

NZ系数的符号与预期的相反，这表明很可能存在严重的多重共线性。

由相关系数矩阵可以看出：

各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。

（2）解决方案：

采用逐步回归的方式,分别作Y对X2、X3、X4、X5、X6、X7的一元回归，结果如下：

变量

X2

X3

X4

X5

X6

X7

参数估计值

1.454186

0.417628

3.186851

0.829789

0.332292

0.111530

t统计量

12.40398

20.19779

22.67733

6.206025

16.38246

0.320338

0.846034

0.935773

0.948364

0.579041

0.905528

0.003651

按的大小排序为：

X4、X3、X6、X2、X5、X7。

以X4为基础，顺次加入其他变量逐步回归。

最终所得结果，当取，X3、X4、X5系数的t检验都显著，这是最后消除多重共线性的结果。

这说明，在其他因素不变的情况下，当工业增加值、建筑业增加值、总人口分别增长1单位时，财政收入有所增长。

第五章：

5.2

DependentVariable:

Y

Method:

LeastSquares

Date:

12/05/13Time:

15:

16

Sample:

160

Includedobservations:

60

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-13.36448

52.42651

-0.254918

0.7997

X

0.864472

0.286783

3.014380

0.0038

R-squared

0.135444

    Meandependentvar

136.3333

AdjustedR-squared

0.120538

    S.D.dependentvar

138.7790

S.E.ofregression

130.1464

    Akaikeinfocriterion

12.60796

Sumsquaredresid

982409.5

    Schwarzcriterion

12.67777

Loglikelihood

-376.2389

    Hannan-Quinncriter.

12.63527

F-statistic

9.086488

    Durbin-Watsonstat

2.006596

Prob（F-statistic）

0.003815

（1）该模型样本回归估计式的书写形式为

（2）首先，用Goldfeld-Quandt法进行检验。

将样本X按递增顺序排序，去掉中间1/4的样本，再分为两个部分的样本，即。

分别对两个部分的样本求最小二乘估计，得到两个部分的残差平方和，即

求F统计量为

给定，查F分布表，得临界值为。

比较临界值与F统计量值，有=4.1390>，说明该模型的随机误差项存在异方差。

其次，用White法进行检验。

具体结果见下表

WhiteHeteroskedasticityTest:

F-statistic

6.301373

Probability

0.003370

Obs*R-squared

10.86401

Probability

0.004374

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

12/05/13Time:

15:

46

Sample:

160

Includedobservations:

60

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-10.03614

131.1424

-0.076529

0.9393

X

0.165977

1.619856

0.102464

0.9187

X^2

0.001800

0.004587

0.392469

0.6962

R-squared

0.181067

Meandependentvar

78.86225

AdjustedR-squared

0.152332

S.D.dependentvar

111.1375

S.E.ofregression

102.3231

Akaikeinfocriterion

12.14285

Sumsquaredresid

596790.5

Schwarzcriterion

12.24757

Loglikelihood

-361.2856

F-statistic

6.301373

Durbin-Watsonstat

0.937366

Prob（F-statistic）

0.003370

给定，在自由度为2下查卡方分布表，得。

比较临界值与卡方统计量值，即

，同样说明模型中的随机误差项存在异方差。

（3）用权数，作加权最小二乘估计，得如下结果

DependentVariable:

Y

Method:

LeastSquares

Date:

12/06/13Time:

13:

17

Sample:

160

Includedobservations:

60

Weightingseries:

W1

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

10.37051

2.629716

3.943587

0.0002

X

0.630950

0.018532

34.04667

0.0000

WeightedStatistics

R-squared

0.211441

Meandependentvar

106.2101

AdjustedR-squared

0.197845

S.D.dependentvar

8.685376

S.E.ofregression

7.778892

Akaikeinfocriterion

6.973470

Sumsquaredresid

3509.647

Schwarzcriterion

7.043282

Loglikelihood

-207.2041

F-statistic

1159.176

Durbin-Watsonstat

0.958467

Prob（F-statistic）

0.000000

UnweightedStatistics

R-squared

0.946335

Meandependentvar

119.6667

AdjustedR-squared

0.945410

S.D.dependentvar

38.68984

S.E.ofregression

9.039689

Sumsquaredresid

4739.526

Durbin-Watsonstat

0.800564

用White法进行检验得如下结果：

WhiteHeteroskedasticityTest:

F-statistic

3.138491

Probability

0.050925

Obs*R-squared

5.951910

Probability

0.050999

给定，在自由度为2下查卡方分布表，得。

比较临界值与卡方统计量值，即

，说明加权后的模型中的随机误差项不存在异方差。

其估计的书写形式为

5.3

（1）建立样本回归函数。

（2）利用White方法检验异方差，则White检验结果见下表：

HeteroskedasticityTest:

White

F-statistic

7.194463

    Prob.F（2,28）

0.0030

Obs*R-squared

10.52295

    Prob.Chi-Square

（2）

0.0052

ScaledexplainedSS

30.08105

    Prob.Chi-Square

（2）

0.0000

由上述结果可知，该模型存在异方差。

分析该模型存在异方差的理由是，从数据可以看出，一是截面数据；二是各省市经济发展不平衡，使得一些省市农村居民收入高出其它省市很多，如上海市、北京市、天津市和浙江省等。

而有的省就很低，如甘肃省、贵州省、云南省和陕西省等。

（3）用加权最小二乘法修正异方差，分别选择权数，经过试算，认为用权数的效果最好。

书写结果为：

5.4

DependentVariable:

Y

Method:

LeastSquares

Date:

12/07/13Time:

23:

04

Sample:

131

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-648.1236

118.1625

-5.485018

0.0000

X

0.084665

0.004882

17.34164

0.0000

R-squared

0.912050

    Meandependentvar

1250.323

AdjustedR-squared

0.909017

    S.D.dependentvar

820.9407

S.E.ofregression

247.6234

    Akaikeinfocriterion

13.92404

Sumsquaredresid

.

    Schwarzcriterion

14.01655

Loglikelihood

-213.8226

    Hannan-Quinncriter.

13.95419

F-statistic

300.7324

    Durbin-Watsonstat

0.911579

Prob（F-statistic）

0.000000

（1）回归函数：

（2）修正：

Goldfeld－Quanadt检验异方差。

第一，对变量X取值以升序排序。

第二，构造子样本。

由于本例的样本容量为31，删除1/4观测值，约7个，余下部分分得两个样本区间：

1—12和20—31,它们的样本个数均是12个。

第三，在样本区为1—12，所计算得到的残茶平方和为；在样本区为20—31，所计算得到的残茶平方和为。

第四，根据Goldfeld－Quanadt检验，F统计量为

。

第五，判断。

在显著性水平为0.05条件下，分子分母的自由度均为10，查F分布表得临界值为，因为

，所以拒绝原假设，表明模型存在异方差。

最后，用ARCH方法检验异方差，则ARCH检验结果见下表：

HeteroskedasticityTest:

ARCH

F-statistic

6.172299

    Prob.F（1,28）

0.0192

Obs*R-squared

5.418686

    Prob.Chi-Square

（1）

0.0199

由上述结论可知，拒绝原假设，则模型中随机误差项存在异方差。

（3）分别用权数，发现用权数求加权最小二乘估计效果最好，即

第六章

6.1

DependentVariable:

Y

Method:

LeastSquares

Date:

12/08/13Time:

19:

17

Sample（adjusted）:

19601994

Includedobservations:

35afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-10.46809

2.606247

-4.016538

0.0003

X

0.938585

0.007685

122.1304

0.0000

R-squared

0.997792

    Meandependentvar

294.1429

AdjustedR-squared

0.997726

    S.D.dependentvar

93.80052

S.E.ofregression

4.473436

    Akaikeinfocriterion

5.889636

Sumsquaredresid

660.3837

    Schwarzcriterion

5.978513

Loglikelihood

-101.0686

    Hannan-Quinncriter.

5.920316

F-statistic

14915.82

    Durbin-Watsonstat

0.547217

Prob（F-statistic）

0.000000

（1）收入—消费模型为

（2）对样本量为36、一个解释变量的模型、5%显著水平，查DW统计表可知，dL=1.411，dU= 1.525，模型中DW

（3）采用广义差分法 

查5%显著水